青空文庫で公開されている近代の文学作品を，典拠のある書誌と再現できる前処理のうえに作り直したコーパスです。本文は TEI に倣った XML に符号化し，外字を復元したうえで UniDic で形態素解析しています。用例を引く KWIC コンコーダンサと，トピックモデルを読むためのビューアを，ブラウザだけで使える形で公開しています。
Modern Japanese literary works from Aozora Bunko, rebuilt on documented bibliographic metadata and a reproducible pipeline: the texts are encoded in TEI-style XML, with gaiji (characters outside the standard character set) restored, and analysed morphologically with UniDic. A KWIC concordancer and a topic-model viewer run entirely in the browser.
UniDic unidic-novel v202512 · 索引の作成index built 2026-10-04 15:16
どちらもインストールは要りません。検索も表示もブラウザの中で行い，検索語はどこにも送りません。授業（Step 3・Step 8）で作るものと同じ道具です。
Nothing to install: searching and display happen in the browser, and queries are not sent anywhere. These are the same tools students build in Steps 3 and 8 of the course.
語彙素・表層形・品詞で検索し，用例を文脈つきで並べます。共起語（LogDice・MI・G²・ΔP など），時代区分・作品ごとの分布，異綴形（書字形基本形）の内訳，広い文脈の表示，CSV への書き出しができます。
Search by lemma, surface form or part of speech; read concordance lines with collocates (LogDice, MI, G², ΔP and others), distribution by period and by work, spelling variants and extended context; export to CSV.
MALLET で学習したトピックモデルを読むための画面です。トピックごとの上位キーワードと作品，時代区分による変化，トピックと作品のネットワークグラフを見られます。トピックのラベルは AI による仮説なので，根拠の語と作品を確かめてお使いください。
An interface for reading a topic model trained with MALLET: top keywords and works for each topic, change across periods, and network graphs of topics and works. Topic labels are AI-generated hypotheses; check them against the evidence.
元のコーパス（64 ファイル）を診断し，時代・文体・作家の偏りを補うように作品を増補しました。設計の考え方と診断の結果は，リポジトリの文書にまとめています。
The original corpus of 64 files was diagnosed and then expanded to redress imbalances of period, style and authorship. The design and the diagnosis are documented in the repository.
初出年・ジャンル・文体などを青空文庫の図書カードと底本の情報に照らして作り直し，すべての変更に典拠を付けています。
Year of first publication, genre, style and other fields were rebuilt against the Aozora Bunko catalogue cards and source editions, with every change sourced.
XML に符号化し，外字（JIS X 0208 にない字）を面区点・Unicode の注記と編者の同定から復元しています。
Encoded in XML, with gaiji restored from JIS and Unicode references and from editorial identification.
UniDic（unidic-novel v202512）で形態素解析し，語彙素・表層形・品詞・書字形基本形を索引にしています。
Morphological analysis with UniDic (unidic-novel v202512); the index holds lemma, surface form, part of speech and orthographic base form.
本文は青空文庫によります。入力と校正に携わった方々に感謝します。収録作品はいずれも著作権の保護期間が満了したものです。
The texts come from Aozora Bunko, with thanks to the volunteers who transcribed and proofread them. All works included are in the public domain.
形態素解析には国立国語研究所の UniDic，トピックモデルには MALLET を用いています。
Morphological analysis uses UniDic from the National Institute for Japanese Language and Linguistics; the topic model was trained with MALLET.
プログラムは MIT，文書・メタデータ・符号化は CC BY 4.0 で公開しています。作品の本文は青空文庫によるパブリックドメインです。詳しくはリポジトリの README を見てください。
Code is released under the MIT licence, and documents, metadata and encoding under CC BY 4.0. The literary texts are public-domain works from Aozora Bunko. See the repository README for details.
解析の誤りや外字の扱いによって，語の区切りや品詞が実際と違うことがあります。研究に用いるときは本文に戻って確かめてください。
Errors in analysis or in the treatment of gaiji can affect word boundaries and part-of-speech tags; check examples against the text before citing them.